BAB III. Teos 2012(1)
BAB III
DISTRIBUSI FUNGSI PEUBAH ACAK
3.1 Teori Sampling
Misalkan X1, X2,… , Xn merupakan n peubah acak yang mempunyai fdp bersama
f
(
x1, x2, … , xn)
Peubah –peubah ini dapat atau tidak dapat independen. Misalkan Ypeubah acak yang ditentukan oleh fungsi dari X1, X2,… , Xn Sebut
Y=u
(
X1, X2, … , Xn)
. Sekali fdp f(
x1, x2, … , xn)
diberikan , kita dapat mencari fdp dari Y. Di dalam bab terdahulu , telah kita lihat bahwa jika n = 1 dan jika X1 adalahN
(
μ , σ2)
, maka Y=X1−μσ adalah N(0,1)
Misalkan n bulat positif dan misalkan peubah acak Xi, i=1,2,… , n adalah independen masing – masing mempunyai fdp yang sama f(x)=px(1−p)1−x, x=0,1 dan nol untuk lainya.Jika Y=
∑
1 n
Xi , maka Y adalah b(n , p) Hal itu akan diobservasi bahwa
Y=u
(
X1)
=X1−μσ adalah fungsi dari X1 yang begantung atas dua parameter
distribusi normal dimana Y=u
(
X1, X2, … , Xn)
=∑
1 n
Xi tidak bergantung atas p parameter dari fdp bersama dari Xi, i=1,2,… , n
Definisi 1
Suatu fungsi dari satu atau lebih peubah acak yang tidak bergantung pada suatu parameter tak diketahui disebut statistik
Berkenan dengan definisi ini , peubah acak Y=
∑
1 n
Xi yang dibicrakan di atas adalah statistik. Tetapi peubah acak Y=X1−μ
σ bukan statistik kecuali μdanσ bilangan yang
diketahui. Hal itu akan diperlihatkan bahwa , meskipun statistik tidak bergantung pada suatu parameter tidak diketahui , distribusi statistik dapat amat baik bergantung pada parameter yang tidak diketahui. Kita dapat memotivasi pelajaran tentang distribusi dari statistik dalam cara berikut. Misalkan peubah acak X ditentukan pada ruang sampel S dan ambil ruang dari
X dinyatakan oleh A Dalam banyak situasi yang dihadapi , distribusi dari X tidak diketahui secara lengkap. Misalnya, kita dapat menyatakan distribusi kecuali untuk nilai parameter tak diketahui. Untuk memperoleh informasi lebih tentang distribusi ini ( atau parameter tak diketahui), kita akan mengulang dibawah persyaratan yang identik n kali percobaan acak independen.Misalkan peubah acak Xi merupakan fungsi dari hasil ke i , i
(2)
dibawah pertimbangan. Andaikan bahwa kita dapat menentukan statistic
Y=u
(
X1, X2, … , Xn)
yang mempunyai fdp ditemukan menjadi (y) . Barangkali fdp ini menunjukkan bahwa ada peluang besar bahwa Y mempunyai nilai mendekati parameter yang tidak diketahui. Segera sesudah percobaan diulang dalam cara yang dituniukkan dan kita mempunyai X1=x1, X2=x2,…, Xn=xn maka y=u(
x1, x2, …, xn)
adalah bilangan yang diketahui.Itu menjadi harapan bahwa bilangan diketahui ini dalam beberapa cara digunakan untuk memperoleh informasi tentang parameter tak diketahu, Berarti statistik ternyata dapat berguna.Ulasan
Misalkan peubah acak X ditentukan sebagai diameter lubang yang dibor dengan tekanan bor ter tentu dan misalkan lubang itu diandaikan bahwa X mempunyai distribusi normal.Pengalaman yang lalu dengan banyak bor penekan membuat pengandaian ini masuk akal, tetapi pengandaian tidak menetapkan rataan μ maupun variansi σ2 dari distribusi normal ini. Hanya cara untuk memperoleh informasi tentang μ dan σ2 ada harus menjalani percobaan. Berarti kita akan membor sejumlah lubang ini , katakan n = 20 yang mempunyai distribusi X1, X2,… , X20 Kemudian X1, X2,… , X20 adalah sampel acak dari distribusi normal dibawah pertimbangan ‘ Segera sesudah lubang telah dibor dan diameter diukur , sejumlah 20 dapat digunakan . Seperti akan dilihat kemudian, untuk memperoleh informasi tentang μ dan σ2.
Istilah “sampel acak” sekarang ditentukan dalam cara yang lebih formll Definisi 2
Misalkan X1, X2,… , Xn merupakan n peubah acak independen masing-masing mempunyai fdp f(x) yang sama tetapi mungkin tidak diketahui, yaitu fungsi densitas
peluang dari X1, X2,… , Xn berturut-turut adalah
f1
(
x1)=f(
x1)
, f2(
x2)=f(
x2), …. fn(
xn)
=f(
xn)
Sehingga fdp bersama adalahf
(
x1)
, f(
x2)
,…. f(
xn)
.Peubah acak X1, X2,… , Xn dikatakan membangun sampel acakdari diatribusi yang mempunyai fdp f(x) yaitu observasi sampel adalah independen dan didistribusikan identik (d.i.i)
Kemudian kita akan menentukan apakah yang kita maksudkan dengan sampel acak dari distribusi lebih dari satua peubah acak.Kebanyakan statistik yang kita hadapi akan merupakan fungsi dari observasi sampel acak dari distribusi yang diberikan.
Definisi 3
Misalkan X1, X2,… , Xn menyatakan sampel acak ukran n dari distribusi yang diberikan. Statistik X´=X1+X2+…+XN
n =
1
n
∑
i=1 nXi
disebut rata-rata sampel acak dan statistik
S2=1
n
∑
i=1 n(
Xi− ´X)
2=1n
∑
i=1 nXi2− ´X2
(3)
Ulasan
Banyak penulis tidak nenentukan variansi sampel acak, seperti yang kita lakukan, tetapi penggantinya , mereka mengambil S2
= 1
n−1
∑
i−1 n(
Xi− ´X)
2 . Ada pemikiran baik ini dilakukan. Tetapi harga tertentu harus dibayar , sebagaimana kita akan tunjukkan.Misalkan x1, x2, … , xn menyatakan nilai percobaan dari peubah acak X yang mempunyai fdp f(x) dan fungsi distribusi F(x) . Berarti kita dapat melihat pada x1, x2, … , xn
sebagai nilai percobaan dari sampel acak ukuran n , dari distribusi yang diberikan.Kemudian distribusi sampel ditentukan menjadi distribusi diperoleh melalui penetapan peluang 1
n
untuk setiap titik x1, x2, … , xn . Ini merupakan distribusi jenis diskrit.Fungsi distribusi padanannya akan dinyatakan oleh F(x) dan fungsi distribusi itu adalah suatu fungsi tangga.Jika kita ambil fx menyatakan banyak nilai sampel yang lebih kecil atau sama dengan x maka Fn(x)=fx
n . Sehingga Fn(x) memberikan frekuensi relatif dari kejadian
X ≤ x dalam himpunan n observasi .Fungsi Fn(x) sering disebut “fungsi distribusi empiris” dan fungsi itu mempunyai banyak kegunaan.
Karena distribusi sampel adalah distribusi diskrit , rata-rata dan variansi telah ditentukan berturut- turut adalah 1
n
∑
i=1 nxi=´xdan1
n
∑
i=1 n(
xi− ´x)
2=s2 . Jadi jika tidak konsisten kita mempunyai distribusi sampel dan dihubungkan dengan fungsi distribusi empiris menjadi konsep yang berguna., distribusi akan tampak secara logis tidak konsisten untuk menentukan variansi sampel acak dalam suatu caralain dari pada yang kita punyai.Kita juga telah menentukan X´ danS2 hanya untuk observai d.i.i ,yaitu bila X1, X2,… , Xn menyatakan sampel acak. Bagaimanapun ahli statistik sering menggunakan simbol ini X´ danS2 , meskipun jika pengandaian kein-dependenan dihilangkan. Misalnya ,andaikan bahwa
X1, X2,… , Xn observasi diambil secara acak dari kelompok bilangan berhingga tanpa pengembalian. Observasi ini dapat merupakan gagasan seperti sampel dan rata-ratanya X´
dan variansi S2 dihitung, namun X1, X2,… , Xn dependen.Lebih lanjut n observasi dapay menjadi beberapa nilai sederhana , tidak perlu mengambil distribusi dan kita dapat menhitung rata-rata X´ dan variansi S2 dihubungkan dengan n nilai ini.Jika kita melakukan keadaan ini , bagaimanapun kita harus mengambil dibawah pernyataan mana observasi di- peroleh, dan kita tidak dapat membuat pernyataan serupa yang dihubungkan dengan rata-rata dan variansi dari apa yang disebut sampel acak.
Teori distribusi pengambilan sampel acak berarti masalah umum dari penemuan distribusi fungsi dari observasi sampel acak.Hingga maksud ini , hanya metode yang lain dari penjelasan ber peluang langsung , dari penemuan distribusi fungsi dari satu lebih peubah acak adalah teknik fungsi distribusi.Yaitu jika X1, X2,… , Xn adalah peubah acak distribusi dan
Y=u
(
X1, X2, … , Xn)
ditentukan melalui hitungan fungsi distribusi dari Y(4)
Misalkan X1, X2,… , Xn sampel acak berukuran 3 dari distribusi normal baku Ambil Y menyatakan statistik yang merupakan jumlah kuadrat observasi. Fungsi distribusi dari Y adalah
G(y)=P
(
X12+X22+X32≤ y)
Jika y < 0, maka (y)=0 . Bagaimanapun jika y ≥0, maka
G(y)=
∭
A
❑
1
(2π)3/2 exp
[
−12
(
x1 2+x2 2
+x3 2
)
]
d x1d x2d x3di mana A adalah himpunan titik
(
x1, x2, x3,)
di dalam atau pada permukaan bola dengan pusat (0,0,0) dan jari-jari sama dengan√
y . Ini bukan integral sederhana. Kita mungkini mengharap untuk membuat kemajuan ke koordinat bola.x1=ρcosθsinφ , x2=ρsinθcosφ , x3=ρsinφ
di mana ρ ≥0,0≤ θ ≤2π ,0≤ φ ≤ π
Maka untuk y ≥0
G(y)=
∫
0 √y
∫
0 2π
∫
0 π
1
(2π)3/2e
−ρ2 /2
ρ2sinφdφdθdρ
=
√
2π
∫
0√y
ρ2e−ρ2 /2dρ
Jika kita mengambil peubah integrasi dengan mengambil ρ=
√
w , kita punyaiG(y)=
√
2π
∫
0y
√
w2 e −w/2
dw untuk y ≥0
Karena Y peubah acak jenis kontinu , fdp dari Y adalah g(y)=G'(y) . Jadi
g(y)= 1
√
π y3/2−1
e−y/2
,0<y<∞
Karena Γ
(
32
)
=(
1 2)
Γ(
1 2
)
=1
2
√
π dan berarti√
2π=Γ(
3 2)
23/2
Kita melihat bahwa Y adalah χ2(3)
Contoh 1
Misalkan peubah acak Y didistribusikan seragam atas interval satuan 0<y<1 ,yaitu fungsi distribusiY adalah
G(y)=0, y ≤0 = y , 0<y<1 = 1 , y ≥1
Andaikan F(x) fungsi distribusi jenis kontinu yang naik tegas bila 0<F(x)<1 . Jika kita menentukan peubah acak Y melalui hubungan Y=F(x) , sekarang kita menunjukkan bahwa X mempunyai X mempunyai distribusi yang berpadanan terhadap F(x) . Jika 0 <
(x)<1 , ketaksamaan X ≤ x dan F(X)≤ F(x) adalah ekuivalen. Jadi dengan 0<F(x)<1 distribusi dari X adalah
P(X ≤ x)=P
[
F(X)≤ F(x)]
=P(
Y ≤ F(x))
, karenaY=F(x)(5)
P(X ≤ x)=G
[
F(x)]
=F(x),0<F(x)<1 Yaitu fungsi distribusi dari X adalah F(x)Jika X mmempunyai fungsi distribusi F(x) dari jenis kontinu maka Y=F(X)
didistribusikan seragam atas 0<y<1 Untuk 0<y<1,bahwa
P(Y ≤ y)=P
[
F(x)≤ y]
=P[
X ≤ F−1(y)
]
Bagaimanapun , diberikan bahwa P(X ≤ x)=F(x) , sehingga
P(Y ≤ y)=F
[
F−1(y)
]
=y ,0<y<1Ini merupakan fungsi distribusi peubah acak yang didistribusikan seragam pada interval (0,1) Soal-soal Latihan 3.1
1. Tunjukkan bahwa S2
=1
n
∑
i=1 n(
Xi− ´X)
2=1n
∑
i=1 nXi2
− ´X2 di manaX´
=1
n
∑
i=1 nXi
2. Carilah peluang tepat empat observasi dari sampel acak berukuran lima dari distribusi yang mempunyai
f(x)=x+1
2 ,−1<x<1 = 0 , lainnya.
3. Misalkan X1, X2, X3 sampel acak ukuran 3 dan distribusi N(6,4) . Tentukan bahwa observasi sampel terbesar melebihi 8.
4. Misalkan X mempunyai fdp f(x)=4x3,0<x<1 = 0 , lainnya Tunjukkan bahwa Y=−2 lnX4adalahχ2(2)
5. Misalkan X1, X2 sampel acak ukuran n = 2 dari dengan fdp f (x)=4x3,0<x<1 Nol lainnya.Carilah rataan dan variansi dari rasio Y=X1/X2
Petunjuk: Pertama cari fungsi distribusi P(Y ≤ y) dengan 0<y<1 dan kemudian bila y ≥1
6. Misalkan X1dan X2 sampel acak berukuran n = 2 dari distribusi dengan fdp
f(x)=2x , 0<x<1, nol lainnya .Carilah P
(
X1/X2≤1/2)
danP(
X1X2≥1/4)
7. Jika sampel acak ukuran n = 2 , carilah nilai c sehingga S2=c(
X1−X2)
28. Jika Xi=i , i=1,2,… ,n hitunglah nilai X´ =1
n
∑
XidanS2
=
∑
(
Xi− ´X)
29. Misalkan yi=a+b xi, i=1,2,… ,n , dengan a dan b konstan. Carilah ´y=1n
∑
yi dan sy2
=1
n
∑
(
yi− ´y)
2
berkenan dalam a , b, ´x=1
n
∑
xi dan sx 2=1
n
∑
(
xi−´x)
2
10. Misalkan X1, X2 merupakan dua peubah acak d.i.i masing-masing dari distribusi
N(0,1) . Carilah fdap dari Y=X12+X22
(6)
11. Empat nilai y1=0,42; y2=0,32; y3=0,87;dan y4=0,65 menyatakan nilai sampel acak berukuran n = 4 dari distribusi seragam atas 0<y<1 , Gunakan empat nilai ini mencari sesuai observasi sampel acak dari distribusi yang mempunyai fdp f (x)=e−x,0
<x<∞
12. Misalkan X1dan X2 sampel acak berukuran n = 2 dari distribusi dengan fdp
(x)=1
2,0<x<2 , nol lainnya..Carilah fdp bersama dari X1dan X2 . Misalkan Y =
X1+X2
Carilah fungsi distribusi dan fdp dari Y
13.Misalkan X1dan X2 sampel acak berukuran n = 2 dari distribusi dengan fdp
f(x)=¿ 1,
0<x<1 , nol lainnya.Carilah fungsi distribusi dan fdp dari
Y=X1/X2
14.Misalkan X1, X2, X3 tiga peubah acak d.i.i , masing-masing dari distribusi yang mempu- nyai fdp f(x)=5x4,0<x<1 , nol untuk lainnya. Misalkan Y observasi terbesar dalam sampel, Carilah fungsi distribusi dan fdp dari Y .
15.Misalkan X1dan X2 observasi sampel acak dari distribusi dengan fdp f(x)=¿ 1, 0<x<1 , nol lainnya. Hitunglah peluang bersyarat P
(
X1<X2∨X1<2X2)
3.2 Transformasi Peubah Jenis Diskrit
Satu metode alternatif penemuan/pencarian distribusi dari satu atau lebih peubah acak dissebut teknik merubah peubah.Ada beberapa pertanyaan sulit (dengan referensi khusus untuk peubah acak jenis kontinu) dikandung dalam teknik ini dan ini membuat teknik diperlukan sekali untuk kita, pertama perhatikan kasus khusus.
Misalkan X mempunyai fdp Poisson
f(x)=e
−μ
μx
x ! , x=0,1,2,..
= 0 , lainnya
Seperti kita telah lakukan sebelumnya , ambil A menyatakan ruang A={x∨x=0,2,…} sehingga A adalah himpunan dengan f(x)>0
Tentukan peubah acak baru Y dengan Y = 4X. Kita ingin mencari fdp dari Y melalui teknik merubah peubah . Misalkan y = 4x . Kita sebut y = 4x suatu transformasi dari x ke y dan kita katakana bahwa transformasi memetakan ruang A kepada ruang
B={y∨y=0,4,8,16,…} Ruang B diperoleh dengan pentransformasian setiap titik di
A sesuai dengan . y = 4x .Kita catat dua keadaan tentang transformasi ini.Transformasi yang demikian terhadap setiap titik dalam A ada hubungan satu dan hanya satu titik dalam B dan sebaliknya setiap titik dalam B ada hubungan satu dan hanya satu titik dalam A yaitu transformasi . y = 4x mengambil satu ke satu korespondensi antara titik di
A dan di B . Suatu fungsi y = u(x) (tidak hanya y = 4x) yang memetakan ruang A
(tidak A berlaku) ke ruang B (tidak B berlaku) sehingga ada korespondensi satu-satu di antara titk di A dan titik di B disebut transformasi satu-satu.Penting untuk
(7)
dicatat bahwa transformasi y = 4x , mengakibatkan bahwa x adalah nilai tunggal fungsi dari
y. Dalam kasus ini jelas benar bahwa y = 4x mengingin kan bahwa x = 1/4 y
Masalah kita adalah penemuan fdp g(y) dari peubah acak jenis diskrit Y = 4X.. Sekarang
(y)=P(Y=y) . Karena ada korespondensi satu-satu antara titik di A dan di B , kejadian Y=yatau 4X=y dapat terjadi bila dan hanya bila kejadian X=1
4 y terjadi, yaitu dua kejadian ekuivalen dan mempunyai peluang yang sama.Karenanya
g(y)=P(Y=y)=P(X=y/4)=e
−μ
μy/4
(y/4)! , y=0,4,8, …..
= 0 , lainnya
Pembicaraan yang terperinci terdahulu akan membuat teks berikur lebih mudah dibaca. Misalkan A menyatakan himpunan titik diskrit , yang mempunyai fdp f(x) , dan misalkan y=u(x) menetapkan transformasi satu-satu yang memetakan A ke B . Jika kita menyelesaikan y=u(x) untuk x berkenan dengan y , sebut x=w(y) , maka untuk setiap y∈B , kita punyai x=w(y)∈A . Perhatikan peubah acak Y=u(X)
.Jika y∈B maka x=w(y)∈A dan kejadian Y=y (atau u(X) = y) dan X=w(y)
adalah ekuivalen. Sesuai dengan itu fdp dari Y adalah
y
X=w(¿)
¿
g(y)=P(Y=y)=P¿
Contoh 1
Misalkan X mempunyai fdp binomial
f(x)=
(
3x
)
(
2 3
)
x
(
1 3)
3−x
, x=0,1,2,3 = 0 , lainnya
Kita mencari fdp g(y) dari peubah acak Y=X2 . Transformasi y=u(x)=(x)2
memetakan A={x∨x=0,1,2,3}ke B={y∨y=0,1,4,9} . Umumnya y=x2 tidak menetapkan trasformasi satu-satu , di sini bagaimanapun transformasi melakukan untuk nilai
x tidak negatif dalam A={x∨x=0,1,2,3} , yaitu kita msmpunyai fungsi invers nilai tunggal x=w(y)=
√
y (bukan –√
y¿ . Sehinggag(y)=f (
√
y)=(
3√
y)
(
2 3
)
√y
(
1 3)
3−√y
; y=0,1,4,9 = 0 , lainnya
Tidak ada kesulitan yang mendasar dikandung dalam masalah seperti berikut. Misalkan
f
(
x1, x2)
mempunyai fdp bersama dari dua peubah acak jenis diskrit X1danX2 denganA (dimensi dua) himpunan titik sehingga f
(
x1, x2)
>0 . Misalkany1=u1
(
x1, x2)
dan y2=u2(
x1, x2)
menetapkan transformasi satu-satu yang memetakan A ke B . Fdp bersama dua peubah acak baru Y1=u1(
X1, X2)
danY2=u2(
X1, X2)
diberikan olehg
(
y1, y2)
=f[
w1(
y1, y2), w2(
y1, y2)
]
,(
y1, y2)
ϵB(8)
di mana x1=w1
(
y1, y2)
, x2=w2(
y1, y2) adalah invers nilai tunggal dariy1=u1
(
x1, x2), y2=u2(
x1, x2)
.Dari fdp bersama dari g(
y1, y2)
ini ,kita dapat memperoleh fdp marjinal dari Y1 dengan penjumlahan atas y2 atau fdp marjinal dariY2 dengan penjumlahan atas y1
Barangkali transformasi akan menekankan bahwa teknik perubahan peubah mengandung pengenalan seperti banyak peubah “baru” sebagaimana ada peubah “lama”.Yaitu ,andaikan bahwa f
(
x1, x2, x3) menyatakan fdp bersama dari X1, X2,danX3 , dengan Ahimpnan dengan f
(
x1, x2, x3)
>0 .Mari kita mencari fdp dari Y1=u1(
X1, X2, X3) .Kemudian kita akan menetapkan (jika memungkinkan)
Y2=u2
(
X1, X2, X3)
, danY3=u3(
X1, X2, X3)
sehingga y1=u1(
x1, x2, x3)
.y2=u2
(
x1, x2, x3)
, dan y3=u3(
x1, x2, x3)
menetapkan transformasi satu-satu dari A keB . Ini memungkinkan kita mencari fdp bersama dari Y1,Y2.danY3 sehingga kita akan mendapat fdp marjinal Y1 dengan penjumlahan atas y2dan y3
Contoh 2
Misalkan X1danX2 dua peubah acak independen yang mempunyai distribusi Poisson dengan rataan berturut-turut μ1danμ2 .Fdp bersama dari X1danX2 adalah
f
(
x1, x2)=μ1x1
μ2x2e−μ1−μ2
x1! x2!
, x1=0,1,2,… ; x2=0,1,2…
Berarti ruang A himpunan titik
(
x1, x2)
di mana setiap x1dan x2 bulat tidak negatif .Kita ingin mencari fdp dari Y1=X1+X2 . Jika kita menggunakan teknik perubahan peubah, kita akan membutuhkan untuk menetapkan acak kedua Y2 . KarenaY2 tidak tertarik untuk kita , mari kita pilih transformasi dengan cara sedemikian sehingga kita mempunyai transformasi satu-satu yang sederhana. Misalnya ambil Y2=X2
.Kemudian y1=x1+x2 dan y2=x2 menggambarkan transformasi satu-satu yang yang memetakan A kepada
B=
{
(
y1, y2)
∨y2=0,1,… , y1, dan y1=0,1,2,…}
Perhatikan bahwa jika
(
y1, y2)
∈B , maka 0≤ y2≤ y1 . Fungsi invers diberikan olehx1=y1−y2danx2=y2 .Jadi fdp bersama dari Y1danY2 adalah g
(
y1, y2)
=μ1y1−y2
μ2y2e−μ1−μ2
(
y1−y2)
! y2! ,(
y1, y2)
∈B= 0.lainnya
Akibainya fdp marjinal dari Y1 diberikan oleh
g1
(
y1)=
e−μ1−μ2y1! y
∑
2=0 y1y1!
(
y1−y2)! y2!μ1 y1−y2μ2y2
=
e−μ1−μ2
y1!
(
μ1+μ2
)
y1, y1=0,1,2,… = e
−μ1−μ2
y1!
(
μ1+μ2) y1(9)
= 0 . lainnya
Yaitu Y1=X1+X2 mempunyai distribusi Poisson dengan parameter μ1+μ2
Ulasan
Tanpa penetapan Y2=X2 , kita mempunyai bahwa distribusi dari Y1=X1+X2
adalah
G1(y1
)
=P(
X1+X2≤ y1)Dalam kasus diskrit . dengan y1=0,1,2,… , fdp dari Y1
sama dengan
g1
(
y1)
=G1(
y1)
−G1(
y1−1)
=P(
X1+X2≤ y1)
Yaitu g1
(
y1)=∑
x1+x2=y1
∑
μ1x1μ2x2e−μ1−μ2
x1! x2!
Penjumlahan ini meliputi semua titik di A sehingga x1+x2=y1 dan berarti dapat dituliskan sebagai
g1
(
y1)=∑
y2=0 y1
μ1y1−x2
μ2x2e−μ1−μ2
(
y1−x2)
! x2!=
(
μ1+μ2) y1e−μ1−μ2
y1! , y1=0,1,2… Soal-soal Lathan 3.2
1. Misalkan X mempunyai fdp f(x)=1
3, x=1,2,3, nollainnya Carilah fdp dari
Y = 2 X + 1
2. Jika f
(
x1, x2)=(
23)
x1+x2(
1 3)
2−x1−x2
,
(
x1, x2)=(0,0),(0,1),(1,0),(1,1) nol untuk lainnya. Adalah fdp bersama dari X1danX2 . Carilah fdp bersama dari Y1=X1−X2 danY2=X1+X2
3. Misalkan X mempunyai fdp f(x)=
(
12
)
x, x=1,2,3,..nol lannya .Carilah fdp dari
Y=X5
4. Misalkan X1danX2 mempunyai fdp f
(
x1, x2)
=x1x236 , x1=1,2,3 danx2=1,2,3 , nol untuk lainnya.Carilah pertama fdp bersama dari Y1=X1X2danY2=X2 dan kemudian carilah fdp marginal dari Y1
5. Misalkan peubah acak independen X1danX2 berturut-turut adalah b
(
n1, p)
danb
(
n2, p)
.Carilah fdp bersama dari Y1=X1+X2 dan Y2=X2 dan kemudian carilah fdp marjinal dari Y1Petunjuk: Gunakan fakta bahwa
∑
n=0 k
(
n1n
)(
n2
n−k
)
=(
n1+n2
k
)
Ini dapat dibuktikan dengan membaningkan koefisien dari xk dalam setiap anggota Identitas (1+x)n1(1+x)n2=(1+x)n1+n2
(10)
(
x1, x2)
∈A .Ambil y1=u1(
x1)
dan y2=u2(
x2)
menyatakan transformasi satu-satu yang memetakan AkepadaB .Tunjukkan bahwa bahwa Y1=u1(
X1)
danY2=u2(X) independen
3.3 Transformasi Peubah Acak untuk Jenis Kontinu
Dalam pasal sebelumnya kita memperkenalkan gagasan transformasi satu-satu dan pemetaan dari himpunan Akepada himpunan B dibawah transformasi itu. Ide itu cukup untuk memungkinkan kita mencari distribusi fungsi dari beberapa peubah acak jenis diskrit. Dalam pasal ini kita memeriksa masalah yang sama apabila peubah acak jenis kontinu.
Contoh 1
Misalkan X peubah acak jenis kontinu yang mempunyai fdp
f(x)=2x ,0<x<1 =0 , lainnya
Di sini A adalah ruang {x∨0<x<1} , dengan f(x)>0 .Tetapkan peubah acak Y
dengan Y=8X3 dan perhatikan transformasi y
=8x3 .Dibawah transformasi
y=8x3 , himpunan A dipetakanke himpunan B = {y∨0<y<8} , dan selanjutnya transformasi adalah satu-satu. Untuk setiap 0<a<b<8 kejadian a<y<b akan terjadi bila dan hanya bila kejadian 1
2 3
√
a<x<12 3
√
b terjadi karena ada korespondensi satu-satu di antara titik di Adan titik di B Jadi P(a<Y<b)=P(12 3
√
a<X<12 3
√
b) =∫
1 2 3 √a 1 2 3 √b
2x dx
Mari kita tulis kembali dengan perubahan peubah intergrasi dari x ke y melalui penulisan
y=8x3 atau x = 1 2 3
√
y . Sekarang dxdy= 16y2/3 dan sesuai dengan itu kita punyai
P(a<y<b)=
∫
a b
2
(
1 2 3√
y)
(
16y2/3
)
dy=∫
a b1 6y1/3dy
Karena ini benar untuk setiap 0<a<b<8 ,fdp g(y)dariY adalah integran, yaitu
g(y)= 1
6y1/3,0<y<8 = 0 , lainnya.
Fdp itu tidak bermanfaat bahwa kita menemukan fdp dari peubah acak Y=8X3 dengan menggunakan teorema pada perubahan peubah integral tertentu Bagaimanapun untuk memperoleh g(y) kita secara nyata hanya mmbutuhkan hanya dua hal.
(1). Himpunan B dari titik y di mana g(y)>0
(11)
Ini dapat dilakukan melalui dua aturan sederhana.
1. Selidiki bahwa transformasi y=8x3 memetakan A={x∨0<x<1} kedalam
B={y∨0<y<1} dan transformasi itu satu-satu
2. Tetapkan g(y) pada himpunan B ini dengan penggantian 1
2 3
√
y untuk x dalam f(x) dan kemudian kalikan hasil ini oleh turunan dari1 2 3
√
y , yaitug(y)=f
(
12 3
√
y)
d
[
12 3
√
y]
dy =
1 6y1/3
, 0<y<8 = 0 , lainnya.
Kita akan menerima teorema dalam analisis pada perubahan peubah pada integral tertentu untuk membolehkan kita untuk menetapkan hasil yang lebih umum.
Misalkan X peubah acak jenis kontinu mempunyai fdp (x) . Misalkan A ruang satu dimensi di mana (x)>0 . Perhatikan peubah acak Y=u(X) di mana y=u(x)
menetapkan transformasi satu-satu yang memetakan himpunan Ake himpunan B . Misalkan invers dari y=u(x) dinyatakan oleh x=w(y) , dan misalkan turunan
dx
dy=w
'
(y) kotinu dan tidak sama dengan noluntuk semua y dalam B . Maka fdp peubah acak Y=u(X) diberikan oleh
g(y)=f
[
w(y)]
|w
'(y)|, y
∈B0 .lainnya.
di mama
|w
'(y)|
menggambarkan nilai mutlak dariw'(y) i. Ini adalah tepat apa yang kita lakukan dalam Contoh 1 dari pasal ini , kecuali di sana kita dengan sengaja memilih
y=8x3 menjadi fungsi naik sehingga
dx
dy=w
'
(y)=1/6y2/3
,0<y<8 adalah positif dan karenanya
|
1/6y2/3|
=1/6y2/3,0
<y<8
Untuk selanjutnya kita akan menunjuk dxdy=w'(y) sebagai Jacobian (dinyatakan dengan J)
Dikebanyakan bidang matematika J= w'(y) sebgaii Jacobian yransformasi invers x=
w'(y) ,tetapi dalam buku ini hal itu akan disebut Jacobian transformasi, sederhanya untuk perjanjian
Contoh 2
Misalkan X mempunyai fdp
f(x)=1,0<x<1
Kita akan menunjukkan bahwa peubah acak Y=−2 lnX mempunyai distribusi khi-kuadrat dengan derajat kebebasan 2. Di sini transformasi adalah y=u(x)=−2 lnx
(12)
sehingga x=w(y)=e−y/2 . Ruang Aadalah A={x∨0<x<1} yang mana transformasi satu-satu y=−2 lnx memetakan ke B={y∨0<y<∞}
Jacobian transformasi = dxdy=w'(y)=1
2e −x/2
Sesuai dengan fdp dari Y=−2 lnX adalah
g(y)=f
(
e−y/2)
|J|=1
2e −y/2
Yaitu fdp khi-kuadrat dengan derajat kebebasan 2.
Metode penemuan fdp fungsi satu peubah jenis kontinu ini, sekarang akan diperluas ke fungsi dua peubah acak jenis ini. Juga hanya fungsi yang memetakan transformasi satu-satu akan dipertimbangkan pada saat ini. Misalkan y1=u1
(
x1, x2)
dan y2=u2(
x1, x2)
menetapkan transformasi satu-satu yang memetakan (dua dimensi) himpunan A dalam bidang−x1x2 ke (dua dimensi) himpunan B dalam bidang - y1y2 . Jika kita nyatakan
x1dan x2 berkenan dengan y1dan y2 , kita dapat menulis
x1=w1
(
y1, y2)
, x2=w(
y1, y2)
Determinan orde 2
[
∂ x1∂ y1
∂ x1
∂ y2
∂ x2
∂ y1
∂ x2
∂ y2
]
disebut Jacobian transformasi dan akan dinyatakan dengan simbol J. Jacobian transformasi akan diandaikan bahwa turunan parsial orde satu adalah kontinu dan J tidak identik sama dengan nol di B Sebuah gambaran contoh dapat diperlukan sekali sebeium kita memulai dengan perluasan perubahan teknik teknik peubah terhadap dua peubah acak jenis kontinu Contoh 3
Misalkan A adalahhimpunan A=
{
(
x1, x2)∨0<x1<1,0<x2<1}
digambarkan dalam Gambar 3.1.Kita ingin menentukan himpunan B dalam bidang- y1y2 yang memetakan Amenurut transformasi satu-satu
y1=u1
(
x1, x2)
=x1+x2 y2=u2(
x1, x2)
=x1−x2Dan kita ingin menghitung Jacobian transformasi Sekarang x1=w1
(
y1, y2)
=12
(
y1+y2)
x2=w2(
y1, y2)
=12
(
y1−y2)
Untuk menentukan himpunan B dalam bidang - y1y2kepada A itu dipetakan dibawah transformasi,perhatikan bahwa batas-batas A ditransformasi sebagai berkut ke dalam batas-batas B
x1=0 ke dalam 0=1
(13)
x1=1 ke dalam1=1
2
(
y1+y2)
x2=0 ke dalam 0= 1
2
(
y1−y2)
x2=1 ke dalam1=1
2
(
y1−y2)x2=1
x1=0 A x1=1 y2=y1 y2=2−y1
(0,0) x2=0 x1 (0,0) y2 y2=−y1 y2=y1−2
Gambar 3.1 Gambar 3.2 Sehubungan dengan itu B ditunjukkan dalam Gambar 3.2 Ulasan
Meskipun dalam Contoh 3, kita mengusulkan perubahan batas-batas , lainnya mungkin ingin menggunakan ketaksamaan
0<x1<1 dan 0<x2<1
secara langsung. Di sini empat ketaksamaan menjadi 0<1
2
(
y1+y2)
<1 dan 0< 12
(
y1−y2)
<1Ketaksamaan ini mudah untuk melihatbahwa ini ekuivalen terhadap −y1<y2, y2<2−y1, y2<y1, y1−2<y2
dan ketaksamaan ini metapkan himpunan B . Dalam contoh ini , metode ini agak sederhana dan secara mendasar sama. Contoh lain dapat menghadirkan transformasi yang lebih sukar , dan hanya pengalaman dapat menolong kita memutuskan yang mana metode terbaik dalam setiap kasus. Sekarang kita mulai dengan masalah penemuan fdp dari dua fungsi dan dua peubah acak jenis kontinu . Misalkan X1dan X2 peubah acak jenis kontinu , yang mempunyai fdp bersama h
(
x1, x2)
. Misalkan A adalah himpunan dimensi dua dalam bidang- x1x2 dengan h(
x1, x2)
>0Misalkan Y1=u1
(
X1, X2)
peubah acak yang mempunyai fdp yang akan dicari . Misalkany1=u1
(
x1, x2)
dan y2=u2(
x1, x2)
menetapkan transformasi satu- satu dari A keB dalam bidang - y1y2 (Jacobian tidak identik nol), kita dapat mencari dengan menggunakan teorema dalam analisis, fdp bersama dari Y1=u1
(
X1, X2)
dan Y2=u2(
X1, X2)
. Misalakan A himpunan bagian , dan ambil himpunan B pemetaan A dibawah transformasi satu-satu (lihat Gambar 3.1) Kejadian
(
X1, X2)
∈A dan(
Y1,Y2)∈B ekuivalen. Karenanya(14)
=
∬
A❑
h
(
x1, x2)
d x1d x2Sekarang kita ingin mengubah peubah integrasi dengan penulisan y1=u1
(
x1, x2) ,y2=u2
(
x1, x2)
atau x1=w1(
y1, y2)
danx2=w2(
y1, y2)
.Penulisan ini telah dibuktikan dalam analisis bahwa perubahan peubah ini menginginkan∬
A
❑
h
(
x1, x2)
d x1d x2=∬
B❑
h
(
w1(
y1, y2)
, w2(
y1, y2))
|J|d y1d y2 Jadi untuk setap himpunan B dalam BP
[
(
Y1, Y2)
∈B]
=∬
B
❑
h
(
w1(
y1, y2)
, w2(
y1, y2))
|J|d y1d y2yang mengakibatkan bahwa fdp bersama dari Y1danY2 adalah
g
(
y1, y2)
=f[
w1(
y1, y2), w2(
y1, y2)
]
;(
y1, y2)
∈BSehubungan dengan itu fdp g1
(
y1) dari Y1 dapat diperoleh dari fdp bersamag
(
y1, y2)
dalam cara yang biasa dengan pengintegrasian atas y1x2 y2
(0,0) x1 (0,0) y1
Contoh 4
Misalkan peubah acak X mempunyai fdp f(x)=1,0<x<1 dan misalkan X1danX2
menyatakan sampel acak dari distribusi ini Fdp dari X1danX2 adalah
h
(
x1, x2)=f(
x1)
f(
x2)
,0<x1<1.0<x2<1Perhatikan dua peubah acak Y1=X1+X2danY2=X1−X2 . kita ingi mancari fdp dari
X1dan X2 . Di sini ruang dimensi dua A dalam bidang - x1x2 yang dari Contoh 3 di
pasal ini. Transformasi satu-satu y1=x1+x2, y2=x1−x2 memetakan A ke ruang B
dari contoh. Selanjutnya Jacobian transformasi telah ditunjukkan menjadi J = - 1/2. Jadi .
g
(
y1, y2)
=h[
12
(
y1+y2), 12
(
y1−y2)
]
|J| = f[
12
(
y1+y2)]
f[
12
(
y1−y2)
]
|J|= 12 ,
(
y1, y2)
∈B Karena B bukan ruang perkalian peubah acak Y1danY2 dependen.Fdp marjinal dari Y1 diberikan oleh
g1
(
y1)=∫
−∞
∞
g
(
y1, y2)d y2Jika kita menunjuk ke Gambar 3.2, hal itu terlihat bahwa
g1
(
y1)=∫
−y1 y1
1
(15)
=
∫
y1−2 2−y11
2d y2=2−y1 , 1 ¿y1<2 Dengan cara yang sama fdp g2
(
y2)
diberikan oleh1
2d y1=y2+1,−1<y2<¿0
g2(y2
)
=∫
−y2 y2+2
¿
= 1
2d y1=1−y2,0<y2<¿1
∫
−y2 2−y2
¿
= 0, lainnya Contoh 5
Misalkan X1dan X2 sampel acak berukuran n=2 dari distribusi normal baku. Katakan bahwa kita berminat dalam distribusi dari Y1=X1
X2
. Sering dalam pemilihan peubah acak kedua , kita menggunakan penyebut dari rasio atau fungsi dari penyebut.Maka misalkan
Y2=X2 . Dengan himpunan
{
(
x1, x2)
∨−∞<x1<∞ ,−∞<x2<∞}
,kita perhatikan bahwa rasio tidak didefinisikan pada x2=0 . Bagaimanapun(
X2=0)
=0 , sebab itu kita mengambil fdp dari X2 menjadi nol pada x2=0 . Hasil ini dalam himpunan A=¿{
(
x1, x2)
∨−∞<x1<∞ ,−∞<x2<0atau0<x2<∞}
Dengan y1=x1
x2
, y2=x2atauekuivalen x1=y1y2, x2=y2 A memetakan kepada
B=
{
(
y1, y2)
∨−∞<y1<∞ ,−∞<y2<0atau0<y2<∞}
Juga J=[
y2 y10 1
]
=y2≠0 Karena h(
x1, x2)
= 12π exp
[
−1 2
(
x12
+x22
)
]
(
x1, x2)∈Akita mempunyai bahwa fdp bersama dari Y1danY2 adalah
g
(
y1, y2)
= 12π exp
[
−1 2 y2
2
(
1+y12)
]
|
y2|
,(
y1, y2)∈BJadi g1
(
y1)=∫
−∞
0
g
(
y1, y2)d y2+∫
0 ∞
g
(
y1, y2)
d y2Karena g
(
y1, y2)
ungsi genap dari y1 kita dapat menulisg1
(
y1)=2∫
0 ∞
1 2π exp
[
−1 2 y2
2
(16)
= 1
π
{
−exp
[
−12 y22
(
1+y12)
]
1+y12
}
∞
0
¿ 1
π
(
1+y12)
.−∞<y1<∞
Fdp marjinal dari Y1=X1
X2
ini adalah distribusi Cauchy. Meskipun fdp Cauchy simetrik terhadap y1=0 rataan tidak ada karena integral
∫
−∞
∞
|
y1|
g1(
y1)
d y1tidak ada Bagaimanapun median dan modus keduanya sama dengan nol Contoh 6
Misalkan Y1=1
2
(
X1−X2) di mana X1danX2 peubah acak d.i.i masing-masing χ2(2) . Fdp bersama dari X1danX2 adalahf
(
x1)
f(
x2)
=14exp
(
−x1+x2
2
)
,0<x1<∞ ,0<x2<∞ Misalkan Y2=X2 sehingga y1=1
2
(
x1−x2), y2=x2ataux2=2y1+y2, x2=y2 menetapkan transformasi satu-satu dari A={
(
x1, x2)∨0<x1<∞ ,0<x2<∞}
ke dalamB=
{
(
y1, y2)
∨−2y1<y2dan0<y2,−∞<y2<∞}
.Jacobian transformasi adalahJ=
|
2 10 1
|
=2Karenanya fdp dari Y1danY2 adalah g
(
y1, y2)
=|2| 4 e
−y1−y2
,
(
y1, y2)
∈B Juga fdp dari Y1 diberikan olehg1
(
y1)=∫
−2y1 ∞
1 2e
−y1−y2d y 2=
1 2e
y1,
−∞<y1<0 =
∫
0 ∞
1 2e
−y1−y2
d y2=1
2e −y1
,0≤ y1<∞
atau g1
(
y1)
=¿−¿y1∨¿,−∞ ≤ y1<∞
1 2e
¿
Sekarang fdp ini sering disebut fdp eksponensial ganda Contoh 7
Misalkan X1dan X2 peubah acak independen jenis kontinu dengan fdp bersama
f1
(
x1)
f2(
x2)
yaitu positif pada ruang dimensi dua A Misalkan Y1=u1(
X1)
fungsi dari X1 sendiri , dan Y2=u2(
X2)
fungsi dari X2 sendiri . Kita andaikan untuk saat ini bahwa y1=u1(
x1)
,(17)
y2=u2
(
x2)
menetapkan transformasi satu-satu A ke himpunan dimensi dua Bdalam bidang - y1y2 . Pemencahan untuk x1dan x2 berkenan dengan y1dan y2 kita mempunyai x1=w1
(
y1)
, x2=w2(y2)
SehinggaJ=
|
w '1(
y1)
00 w1'
(
y2)|
=w1'
(
y1)w2'(
y2)≠0 Karenanya fdp bersama dari Y1danY2 adalahg
(
y1, y2)
=f1[
w1(
y1)
]
f2[
w2(y2)
]
w1'(
y1)w'2(
y2),(
y1, y2)∈BBagaimanapun , dari prosedur untuk perubahan peubah acak dalam kasus satu peubah acak ,kita melihat bahwa fungsi densitas peluang dari Y1danY2 berturut-turut adalah
g1
(
y1)=f1[
w1(
y1)]
w1'(
y1)dan g2(
y2)
=f2[
w2(
y2)
]
w2'(
y2)
untuk y1dany2dalam beberapa himpunan tepat.Akibatnyag
(
y1, y2)
=g1(
y1)
g2(
y2)
Jadi , ringkasan kita perhatikan bahwa jika X1dan X2 peubah acak independen, maka
Y1=u1
(
X1)
danY2=u1(
X1)
Dalam simulasi (tiruan) peubah acak menggunakan peubah acak seragam , simulasi sering sukar untuk menyelesaikan y = F(x) untuk x. Jadi metode lain perlu. Misalnya perhatikan kasus normal, penting dalam hal kita menginginkan untuk menentukan X sehingga X adalah N(0,1). Tentu sekali X ditentukan maka peubah acak X dapat diperoleh melalui transformasi
Z=σX+μ .Terhadap peubah normal simulasi, Box dan Muller menganjurkan prosedur Berikut. Misalkan Y1danY2 sampel acak dari distribusi seragam atas 0 < y < 1 Tentukan X1danX2 melalui
X1=
(
−2 lnY1)
1/2
cos
(
2π Y1)
X2=
(
−2 lnY2)
1/2sin(
2π Y2)Trans formasi padanan adalah satu-satu memetakan
{
(
y1, y2)
∨0<y1<1,0<y2<1}
kepada
{
(
x1, x2)
∨−∞<x1<∞ ,−∞<x2<∞}
kecuali untuk himpunan yang memuatx1=0 danx2=0 yang mempunyai peluang nol,transformasi invers diberikan oleh
y1=exp
[
−x1 2+x2 2 2
]
y2= 1
2π arctan x2 x1 Ini mempunyai Jacobian
J =
|
(
−x1)exp(
−x1 2+x22
2
)
(
−x2)
exp(
−x12+x22
2
)
−x2/x1 2
(2π)
(
1+x12/x22)
1/x1
(18)
=
−(
1+x1 2/x22
)
exp(
−x1 2+x22
2
)
(2π)
(
1+x12/x22
)
=
−exp(
−x12+x22
2
)
2π
Karena fdp bersama dari Y1danY2 adalah 1 pada 0<y1<1 , 0<y2<1 , dan nol lainnya fdp bersama dari X1danX2 adalah
−exp
(
−x12+x22
2
)
2π
,
−∞<x1<∞ ,−∞<x2<∞Yaitu , X1danX2 peubah acak normal baku independen,
Kita menutup pasal ini dengan pengobservasian suatu cara penemuan fdp dari jumlah dua peubah acak . Misalkan X1dan X2 independen dengan fungsi densitas peluang berturut-turut f1
(
x1)
danf2(
x2)
. Misalkan Y1=X1+X2danY2=X2 Jadi kita mempunyai transformasi satu-satu x1=y1−y2dan x2=y2 dengan Jacobian J = 1 Di sini kita katakana bahwaA=¿
{
(
x1, x2)∨−∞<x1<∞ ,−∞<x2<∞}
memetakan kepadaB=
{
(
y1, y2)
∨−∞<y1<∞ ,−∞<y2<∞}
tetapi kita mengenal dalam masalah khusus fdp bersama mungkin sama dengan nol pada beberapa bagian himpunan iniJadi fdp bersama dari Y1danY2 adalah
g
(
y1, y2)
=f1(
y1−y2)
f2(
y2)
,(
y1, y2)
∈B dan fdp marjinaldari Y1=X1+X2 diberikan olehg1
(
y1)=∫
−∞
∞
f1
(
y1−y2)
f2(
y2)d y2 Yang dikenal baik rumus konvolusiSoal-soal Latihan 3.3
1 Misalkan X mempunyai fdp f(x)=x2/9,0<x<3 , nol untuk lainnya.Carilah fdp untuk Y=X2
2 Jika fdp dari X adalah f (x)=2x e−x2
,0<x<∞ , nol untuk lainnya, tentukan fdp untuk
Y=X2
3 Misalkan X mempunyai fdp logistik f(x)= e −x
(
1+e−x)
2,−∞<x<∞a. Tunjukkan bahwa grafik f(x) simetrik terhadadp sumbu tegak melalui x = 0 b. Carilah fungsi distribusi dar X
c. Tentukkan bahwa fpm M(t) adalah Γ(1−t)/Γ(1+t) ,-1< T < 1 4 Misalkan X mempunyai distribusi seragam atas interval
[
−π2 ,
π
2
]
. Tunjukkan bahwaY = tgX mempunyai distribusi Cauchy
5 Misalkan X1dan X2 dua peubah acak normal independen masing-masing rataan nol dan variansi satu (kemungkinan hasil dari transformasi Box-Muller). Tunjukkan bahwa
(1)
Jika X1, X2,… , Xn adalah observasi sampel acak dari distribusi dengan fungsi pembangkit momen M(t) , maka
a. Fungsi pembangkit momen dari Y=
∑
i=1n
Xi adalah MY(t)=
∏
i=1
n
M(t)=
[
M(t)]
nb. Fungsi pembangkit momen dari X´=
∑
i=1n
(
1n
)
Xi adalahMX´(t)=
∏
i=1
n
M
(
tn
)
=[
M(
t n)
]
n
\
Bukti
a. Misalkan ai=1, i=1,2,… , n dalam Teorema 2 b. Ambil ai=1/n ,i=1,2,… , n
Contoh berikut dan latihan memberikan beberapa penerapan penting Teorema 2 dan akibatnya.
Contoh 3
Misalkan X1, X2,… , Xn menytakan hasil pada n usaha Bernoulli Fpm dari Xi, i=1,2,… , n
M(t)=1−p+p et Jika Y=
∑
i=1
n
Xi , maka MY(t)=
∏
i=1
n
(
1−p+p et)
=(
1−p+p et)
nJadi kita juga melihat Y adalah b(n , p)
Contoh 4
Misalkan X1, X2, X3 adalah observasi sampel acak berukuran n = 2 dari distribusi eksponen – sial yang mempunyai rataan β dan tentu fpm M(t)= 1
1−βt, t<1/β . Fpm dari Y=X1+X2+X3 adalah
MY(t)=
[
(1−βt)−1]
3 = (1−βt)−3 , t<1/βyang merupakan distribusi gamma dengan parameter α=3 danβ . Berarti Y mempunyai distribusi.Dipihak lain fpm dari X´ adalah
MX´(t)=
[
(
1− βt3
)
−1]
3=
(
1−βt3
)
−3, t<3/β
dan karenanya distribusi dari X´ adalah gamma dengan parameter berturut-turut
α=3 danβ/3
(2)
Misalkan X1, X2,… , Xn adalah peubah acak independen yang mempunyai berturut-turut distribusi khi-kuadrat χ2
(
r1)
, χ2(
r2)
, … , χ2(
rn)
. Maka peubah acak Y=X1+X2+…+Xnmempunyai distribusi khi-kuadrat dengan derajat kebebasan r1+r2+…+rn , yaitu Y adalah χ2
(
r1+r2+…+rn)
Bukti
Karena Mi(t)=E
(
et Xi)
=(1−2t)−ri/2 , t < ½ , i = 1,2,…,n , kita mempunyai penggunaan Teorema 2 dengan a1=…=an=1M(t)=(1−2t)(r1+r2+…+rn)/2 , t < ½
Tetapiini adalah fpm distribusi χ2
(
r1+r2+…+rn)
. Sesuai dengan itu Y mempunyaidistribusi khi-kuadrat ini.
Berikutnya ambil X1, X2,… , Xn adalah sampel acak berukuran n dari distribusi
[
μ , σ2]
. sesuai dengan Teorema 2 dari 2.4 masing-masing peubah acak(
Xi−μ)
2
σ2 ,i=1,2,…, n adalah χ2
(
ri)
. Selanjutnya peubah acak ini independen . sesuai dengan Teorema 3 peubahacak Y=
∑
i=1n
(
Xi−μσ
)
2adalah χ2(n) . Ini membuktikan Teorema berikut
Teorema 4
Misalkan X1, X2,… , Xn adalah sampel acak berukuran n dari distribusi N
[μ , σ
2]
Peubah acak Y=∑
i=1
n
(
Xi−μσ
)
2mempunyai distribusi khi-kuadrat dengan derajat kebebasan n
Soal-soal Latihan 3.6
1. Misalkan peubah acak d.i.i X1dan X2 mempunyai fdp (x)=1
6, i=1,2,3,4,5,6 , nol lainnya. Carilah fdp dari Y=X1+X2 . Perhatikan dibawah pengandaian yang tepat , bahwa Y dapat dinterpretasikan sebgai jumlah angka yang tampak apabila dua dadu dilantunkan.
2. Misalkan X1dan X2 independen dengan berturut-turut distribusi normal N(6,1)dan
N(7,1) .Carilah P
(
X1>X2)
.Petunjuk: Tulis P
(
X1>X2)
=P(
X1−X2>0)
dan tentukan distribusi dari X1−X2 3. Misalkan X1dan X2 peubah acak independen Misalkan X1 dan Y=X1+X2berturut-turut mempunyai distribusi khi-kuadrat dengan derajat kebebasan r1danr . Di sini r1<r . Tunjukkan bahwa X2 mempunyai distribusi khi-kuadrat dengan derajat kebebasan r−r1
Petunjuk: Tulis M(t)=E
[
et(X1+X2)]
dan gunakan keindependenan X(3)
4. Misalkan X1dan X2 peubah acak independen mempunyai distribusi binomial berturut-turut parameter n1, p1=1
2dann2, p2= 1
2 .Tunjukkan bahwa Y=X1−X2+n2 mempu- nyai distribusi binomial dengan parameter ¿n1+n2, p=
1 2 .
5. Misalkan X1, X2, X3 sampel acak berukuran n = 3 Dari N(1,4) .Hitung P
(
X1+2X2−2X3>7)
6. Misalkan X1dan X2 peubah acak independen. Misalkan X1 dan Y=X1+X2 mempunyai distribusi Poissin dengan rataan berturut-turut μ1dan μ>μ1 . Carilah distribusi dari X1 .
7. Misalkan X1dan X2 dua peubah acak gamma independen dengan parameter berturut-turut α1=3,β1=3 danα2=5,β2=1
a. Carilah fpm dari Y=2X1+6X2 b. Apakah ada distribusi dari Y
8. Misalkan X adalah N(0,1). Gunakan teknik fungsi pembangkit momen untuk menunjuk kan bahwa Y=X2 adalah χ2(1)
9. Misalkan X1, X2,… , Xn menyatakan n peubah acak saling independen dengan fungsi pembangkit momen berturut-turut M1(t), M2(t), …, Mn(t)
a. Tunjukkan bahwa Y=k1X1+k2X2+…+knXn,dengank1, k2, … , kn konstanta real mempunyai fpm M(t)=
∑
i=1
n
Mi
(
kit)
.b. Jika setiap ki=1 dan jika X adalah Poisson dengan rataan μi,i=1,2,… , n , buktikan bahwa Y adalah Poisson dengan rataan μ1+μ1+…+μn
10. Jika X1, X2,… , Xn sampel acak dari distribusi dengan fpm M(t) , tunjukkan fungsi pembangkit momen dari
∑
i=1
n
Xi dan 1 n
∑
i=1n
Xi adalah
[
M(t)]
ndan[
M(
t n)
]
n
11. Jika X dan Y mempunyai distribusi normal bivariat dengan parameter μ1, μ2, σ1 2
, σ2 2
dan
ρ tunjukkan bahwa Z=aX+bY+c adalah
N
(
a μ1+b μ2+c , a2σ12+2abρσ1σ2+b2σ22)
, di mana a,b, dan c konstanta Petunjuk: Gunakan fpm M(
t1,t2)
dari X dan Y untuk mencari fpm dari Z12.Misalkan X dan Y mempunyai distribusi normal bivariat dengan parameter μ1=25,μ2=35,σ21=4,σ22=16 dan ρ=
17
12 . Jika Z=3X−2Y , carilah P(−2<Z<19)
13. Misalkan U dan V peubah acak independen masing-masing mempunyai distribusi normal baku.Tunjukkan bahwa fpm E
[
et(UV)]
dari perkalian UV adalah(
1−t2)
−1 2
,−1<t<1 Petunjunjuk: Bandingkan E
[
et(UV)]
dengan integral dari fdp normal bivariat yang(4)
14. Misalkan X dan Y mempunyai distribusi normal bivariat dengan parameter μ1, μ2, σ12, σ22 dan . Tunjukkan bahwa W=X−μ1danZ=(Y−μ2)−ρ
(
σ1/σ2)(
X−μ1)
adalah peubah normal independen.3.7 Distribusi dari X´ dan n S2
/σ2
Misalkan X1, X2,… , Xn sampel acak berukuran n ≥ 2 dari distribusi N
(
μ , σ2)
. Dalam pasal ini kita akan menyelidiki distribusi dari rata-rata dan variansi sampel acak yaitu distribusi dari dua statistik X´ =1n
∑
i=1n
Xidan S2=1
n
∑
i=1n
(
Xi− ´X)
2Masalah distribusi dari X´ rata-rata sampel dipecahkan melalui Teorema 1 dari Pasal 3.6 .
Di sini kita mempunyai, dalam notasi pernyataan teorema itu μ1=μ2=…=μn=μ ,
σ12
=σ22
=…=σn2
=σ2dan k
1=k2=…=kn=
1
n . Sesuai dengan itu Y = X´ mempu- nyai distribusi normal dengan rataan dan variansinya beturut-turut diberikan oleh
1 n
∑
i=1n
ρ=μ ,
∑
i=1
n
[
(
1n
)
2σ2
]
=σ
2 n Yaitu X´ adalah N
(
μ , σ2/n
)
Contoh
Misalkan X´ rata-rata sampel acak berukuran 25 dari distribusi N(75,100) . Jadi X´
adalah N(75,4). Kemudian misalnya P(71< ´X<79)=ϕ
(
79−752
)
−ϕ(
71−75
2
)
=ϕ(2)−ϕ(−2)=0,954Sekarang kita mengangkat masalah distribusi dari S2 , variansi sampel acak X1, X2,… , Xn dari distribusi N
(
μ , σ2)
. Untuk melakukan ini , mari kita pertama kali memperhatikan distribusi Y1= ´X , Y2=X2− ´X , Y3=X3− ´X , … , Yn=Xn− ´X . Transformasiinversnya
x1=y1−y2−y3−…−yn x2=y1−y2
x3=y1−y3 . . . . , . xn=y1−yn
mempunyai Jacobian n . Karena
(
xi−μ)
2=¿∑
i=1
n
(
xi−´x+ ´x−μ)
2=∑
i=1n
(
xi− ´x)
2+n( ´x−μ)2∑
i=1
n
¿ karena 2( ´x−μ)
∑
i=1
n
(5)
(
−1√
2π σ)
n
exp
[
−∑
(
xi− ´x)
22σ2 −
n( ´x−μ)2
2σ2
]
di mana ´x=1n
∑
i=1n
xidan−∞<xi<∞i−1,2,… , n . Sesuai dengan y1=´x dan x1−´x=−y2−y3−…−yn kita mrmperoleh bahwa fdp dari Y1,Y2, … ,Yn adalah
(n)
(
−1√
2π σ)
n
exp
[
−(
−y2−y3−…−yn)
22σ2 −
∑
i=2
n
yi
2
2σ2 −
n
(
y1−μ)
22σ2
]
,−∞<yi<∞ i = 1,2…,nPerhatikan bahwa ini adalah perkalian dari fdp dari Y1 sebut 1
√
2π σ2/nexp[
−
(
y1−μ)
22σ2/n
]
dan suatu fungsi dari y2,… , yn . Jadi Y1 harus independen dari (n-1) peubah acak Y2,Y3…, Yn dan bahwa fungsi dari y2,… , yn adalah fdp bersama dari Y2,Y3… , Yn Selanjutnya ini mengartikan bahwa Y1= ´X dan berarti
n
(
Y1−μ)
2 σ2 =n(X´−μ)2 σ2 =W1 adalah independen dari
(
−Y2−Y3−…−Yn)
2
+
∑
i=2
n
Yi2
σ2 =
∑
i=1
n
(
X❑− ´X)
2
σ2 =W2
Karena W1 kuadrat dari peubah normal baku, W1 diidistribusikan sebagai χ2(1) .
Juga kita mengetahui bahwa
(
Xi−μσ
)
2=¿W1+W2 W=
∑
i=1
n
¿
adalah χ2(n) . Dari keindependenan
W1dan W2 kita punyai
E
[
etW]
=E[
et W1]
E[
et W3]
atau secara ekuivalen
(1−2t)−n/2=(1−2t)−1/2E
[
et W3]
,t<1/2 Jadi E
[
et W3]
=(1−2t)−(n−1)/2 , t<1/2
dan karenanya W2=n S 2
/σ2 adalah χ2(n−1)
Untuk meringkaskan dalam pasal ini kita telah membangun tiga sifat penting dari X´ dan
S2 apabila sampel terjadi dari distribusi N
(
μ , σ2)
1. X´ adalah N(
μ , σ2/n
)
2. n S2/σ2 adalah χ2(n
−1)
3. X´ dan S2 independen.
Untuk gambaran sebagai hasil dari (1),(2), dan (3) kita mempunyai
√
n(X´−μ)/σ adalah(6)
T=(X´ −μ)/
(
σ/√
n)
√
n S2/σ2(n
−1)= ´
X−μ S/
√
n−1mempunyai distribusi t denga derajat kebebasan (n-1). Statistik t ini akan memainkan peranan penting dalam statistika terapan.
Soal-soal Latihan 3.7
1. Misalkan X´ rata-rata sampel acak berukuran 3 dari distribusi normal dengan
μ=0 dan
σ2
=125 . Tentukan c sehingga P(X´<c)=0.90
2. Jika X´ rata-rata sampel acak berukuran n dari distribusi normal dengan rataan μ
dan σ2
=100 , carilah n sehingga P(μ−5< ´X<μ+5)=0,954
3. Misalkan X1, X2,…, X25dan Y1,Y2, …,Y25 adalah dua sampel acak indpenden berturut-turut dari distribusi N(0,16) dan N(1,9). Misalkan X´ danY´ menyatakan
rata-rata sampel padanannya . Hitunglah P(X´ >Y´)
4. Carilah rataan dan variansi dari S2
=1
n
∑
i=1n
(
Xi− ´X)
2 dengan X1, X2,… , Xn adalah sampel acak dari N(
μ , σ2)
Petunjuk: Carilah rataan dan variansi n S2
/σ2
5. Misalkan S2 variansi sampel acak berukuran 6 dari distribusi N(μ ,12)
Carilah P
(
2,30<S2<22,2
)
6. Carilah fdp dari variansi sampel V = S2 ditetapkan bahwa distribusi sampel yang terjadi adalah N
(
μ , σ2)
7. Misalkan X´ danY´ rata-rata dari dua sampel acak independen masing-masing
berukuran 4 berturut-turut dari dua distribusi normal N(10,9)dan N(3,4) . Carilah P(X´ >2Y´ )
8. Misalkan X1, X2,… , X5 smpel acak berukuran n = 5 dari N
(
0,σ2)
a. Carilah konstanta c sehingga c(
X1−X2)
√
X32+X42
+X52 mempunyai distribusi t b. Berapakah derjat kebebasan dihubungkan dengan T ini
9. Jika sampel acak berukuran 2 diambil dari distribusi normal dengan rataan 7 dan variansi 8, carilah peluang bahwa nilai mutlak dari selisih dua observasi ini melebihi 2
10. Misalkan X´ danS2 adalah rata-rata dan variansi dari sampel acak berukuran 25 dari distribusi N(3,100) Carilah P
(
0< ´X<6,55,2<S2<145,6